On finite sample properties of alternative estimators of coefficients in a structural equation with many instruments
多工具变量结构方程系数估计量的有限样本比较AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要虽使用线性结构方程术语，但内容是通用多工具变量估计比较，未说明足以归入结构经济模型估计的应用。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
多工具变量结构方程系数估计量的有限样本比较
- 研究问题
- 在线性结构方程的工具变量数量较多时，传统与半参数估计量的有限样本分布及损失表现有何差异？
- 方法与思路
- 作者比较 LIML、两阶段最小二乘、最大经验似然与 GMM，以分布函数表图覆盖多种参数设定，并纳入部分异方差和非线性情形。
- 材料陈述的贡献
- 摘要称在所考察的多工具变量情形中，LIML 在有界损失函数与概率标准下表现较好，并提供四类估计量的分布比较。
- 阅读关注点
- 应核对工具数量与强度的设置、各方法的实现、有界损失及概率指标的定义，以及异方差和非线性比较覆盖的范围。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，无法判断全部比较模型与具体数值；所述 LIML 表现不能推广为所有损失标准下的普遍优势。
原文摘要
We compare four different estimation methods for the coefficients of a linear structural equation with instrumental variables. As the classical methods we consider the limited information maximum likelihood (LIML) estimator and the two-stage least squares (TSLS) estimator, and as the semi-parametric estimation methods we consider the maximum empirical likelihood (MEL) estimator and the generalized method of moments (GMM) (or the estimating equation) estimator. Tables and figures of the distribution functions of four estimators are given for enough values of the parameters to cover most linear models of interest and we include some heteroscedastic cases and nonlinear cases. We have found that the LIML estimator has good performance in terms of the bounded loss functions and probabilities when the number of instruments is large, that is, the micro-econometric models with “many instruments” in the terminology of recent econometric literature.